1.
总离差平方和可分解为回归平方和与残差平方和?/p>
?/p>
?/p>
?/p>
2.
整个多元回归模型在统计上是显著的意味着模型中任何一个单独的解释变量均是统计
显著的?/p>
?/p>
?/p>
?/p>
3.
多重共线性只有在多元线性回归中才可能发生?/p>
?/p>
?/p>
?/p>
4.
通过?/p>
解释变量对时间的散点?/p>
可大致判断是否存在自相关?/p>
?/p>
?/p>
?/p>
5.
在计量回归中,如?/p>
估计量的
方差有偏
,则可推断模型应该存在异方差?/p>
?/p>
?/p>
6.
存在异方差时,可以用
广义差分?/p>
来进行补救?/p>
?/p>
?/p>
?/p>
7.
当经典假设不满足时,普通最小二乘估?/p>
一?/p>
不是最优线性无偏估计量?/p>
?/p>
?/p>
?/p>
8.
判定系数检验中,回归平方和占的比重越大,判定系数也越大?/p>
?/p>
?/p>
?/p>
9.
可以?/p>
残差对某个解释变量的散点?/p>
来大致判断是否存在自相关?/p>
?/p>
?/p>
?/p>
做残?/p>
的当期值与其滞后期的值的散点图来判断是否存在自相?/p>
10.
遗漏变量会导致计量估计结?/p>
有偏
?/p>
?/p>
?/p>
?/p>
只影响有效?/p>
1.
正态分布是
以均值为中心
的对称分布?/p>
?/p>
?/p>
?/p>
2.
当经典假设满足时,普通最小二乘估计量具有最优线性无偏特征?/p>
?/p>
?/p>
?/p>
5.
在对数线性模型中,解释变量的系数表示被解释变量对解释变量?/p>
弹?/p>
?/p>
?/p>
?/p>
?/p>
6.
虚拟变量用来表示某些?/p>
有若干属性的变量
?/p>
?/p>
?/p>
?/p>
8.
存在异方差时,可以用
加权最小二乘法
来进行补救?/p>
?/p>
?/p>
?/p>
10
?/p>
戈雷瑟检?/p>
是用来检验异方差的(
?/p>
?/p>
1
?/p>
在经济计量分析中,模型参数一旦被估计出来,就可将估计模型
直接运用于实?/p>
的计?/p>
经济分析?/p>
错,
参数一经估计,建立了样本回归模型,
还需要对模型进行检?/p>
,包括经?/p>
意义检验、统计检验、计量经济专门检验等?/p>
2
?/p>
假定个人服装支出同收入水平和性别有关,由于性别是具有两种属性(男、女)的定?/p>
因素,因此,用虚拟变量回归方法分析性别对服装支出的影响时,需要引?/p>
两个
虚拟变量?/p>
错,
是否引入两个虚拟变量,应取决于模型中是否有截距项。如果有截距项则引入一个虚
拟变量;如果模型中无截距项,则可引入两个虚拟变量?/p>
3
?/p>
双变量模?/p>
中,对样本回归函?/p>
整体
的显著性检验与斜率
系数
的显著性检验是
一?/p>
的?/p>
正确?/p>
一元线性回归仅有一个解释变量,因此对斜率系数的
T
检验等价于对方程的整体?/p>
检验?/p>
4
、随机扰动项?/p>
方差
与随机扰动项方差?/p>
无偏估计没有区别
?/p>
错,
随机扰动项的
方差
反映
总体的波动情况,对一个特定的总体而言?/p>
是一个确定的?/p>
。在最小二乘估计中,由于?/p>
体方差在大多数情况下并不知道,所以用样本数据去估?/p>
2
?/p>
?/p>
)
/(
2
2
k
n
e
i
?/p>
?/p>
?/p>
?/p>
?
。其?
n
为样本数?/p>
k
为待估参数的个数?/p>
2
ˆ
?
?/p>
2
?/p>
线性无偏估计,为一个随机变量?/p>
5
、经典线性回归模型(
CLRM
)中?/p>
干扰项不服从正态分布的?/p>
OLS
估计量将有偏的?/p>
错,
?
即使经典线性回归模型(
CLRM
)中的干扰项不服从正态分布的?/p>
OLS
估计量仍然是无偏?/p>
?
因为
2
2
2
)
(
)
ˆ
(
?
?/p>
?/p>
?
?/p>
?/p>
?/p>
?/p>
i
i
K
E
E
,该表达?/p>
成立与否与正态性无关?/p>
1
?/p>
在简单线性回归中
可决系数
2
R
与斜率系数的
t
检验的
没有关系
?/p>
错误,在简单线性回
归中,由于解释变量只有一?/p>
?/p>
?/p>
t
检验显示解释变量的影响显著时,必然会有该回归模
型的可决系数大,拟合优度高?/p>
2
、异方差性、自相关性都是随机误差现象,但两者是有区别的?/p>
正确?/p>
异方差的出现总是
与模型中某个解释变量的变化有关。自相关性是各回归模型的随机误差项之间具有相关关